Nonregular Physical Activity and Handgrip Strength as Indicators of Fatigue and Psychological Distress in Cancer Survivors
Notice bibliographique
Résumé
Background: Cancer survivors who do not engage in regular physical activity often experience persistent psychological distress and fatigue, which can significantly impact their quality of life. While handgrip strength (HGS) is recognized as an indicator of overall health and physical resilience, the combined role of HGS and physical inactivity in predicting psychological distress and fatigue in this population remains unclear. This study aimed to examine the relationships between self-reported physical inactivity, HGS, and psychological distress, specifically depressive symptoms, anxiety, and cancer-related fatigue (CRF), in physically inactive cancer survivors. Methods: This cross-sectional study included 42 physically inactive cancer survivors (mean age = 63.2 years, SD = 8.96) recruited from the Cancer Institute (IRCCS) in Bari, Italy. Physical inactivity was quantified based on self-reported weekly physical activity minutes, with all participants engaging in less than 150 min per week. The participants underwent HGS assessment and completed validated psychological measures, including the Beck Depression Inventory (BDI), the State-Trait Anxiety Inventory (STAI-Y1 and STAI-Y2), and the Fatigue Severity Scale (FSS). Results: Bivariate correlations were examined via Spearman’s rank correlation coefficients, and multiple linear regression analyses were performed to identify independent predictors of psychological distress and fatigue, adjusting for covariates such as age, sex, cancer type, and time since treatment completion. Both lower HGS and greater physical inactivity were significantly correlated with greater depressive symptoms (HGS: ρ = −0.524, p < 0.001; physical inactivity: ρ = −0.662, p < 0.001), greater fatigue severity (HGS: ρ = −0.599, p < 0.001; physical inactivity: ρ = −0.662, p < 0.001), and increased trait anxiety (HGS: ρ = −0.532, p < 0.001; physical inactivity: ρ = −0.701, p < 0.001). No significant associations were found between physical inactivity or HGS and state anxiety (p > 0.05). Multiple regression analyses confirmed that both HGS and physical inactivity independently predicted depressive symptoms (HGS: β = −0.435, p = 0.009; physical inactivity: β = −0.518, p = 0.002), trait anxiety (HGS: β = −0.313, p = 0.038; physical inactivity: β = −0.549, p < 0.001), and fatigue (HGS: β = −0.324, p = 0.033; physical inactivity: β = −0.565, p < 0.001), even after adjusting for covariates. Low physical activity and reduced muscle strength independently predict psychological distress and fatigue in cancer survivors. Conclusions: These findings highlight the potential exacerbating role of physical inactivity in both physical and psychological vulnerability, underscoring the need for interventions promoting regular exercise. Integrating strength assessments and structured physical activity programs may be key strategies in survivorship care to improve mental well-being and overall quality of life.
Récupéré en direct depuis OpenAlex et désinversé. Les résumés ne sont pas conservés dans cette base de données : les index inversés représentent 8,6 Go des 9,3 Go de texte de la base, et le serveur dispose de 13 Go libres.
Comment cette classification a été obtenuedéplier
Prédiction machine sur la base complète
Imitation des enseignantsNi prévalence calibrée, ni vérité terrain. Validation humaine à venir. Le volet Gemma est une étiquette directe du modèle pour chaque travail de la base, lue sur la notice réduite au titre. Le volet Codex est un classifieur appris des 10 348 étiquettes directes de Codex et calibré sur les taux pondérés de l'échantillon; les champs sans appui suffisant ne portent aucun appel Codex. Le mode candidate est l'union des deux volets; le consensus est leur intersection. Ces sorties portent le statut machine_predicted_unvalidated et ne sont pas des étiquettes humaines.
Scores du classifieur distillé par catégorie (deux têtes)
| Catégorie | Codex | Gemma |
|---|---|---|
| Métarecherche | 0,001 | 0,002 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,001 | 0,001 |
| Études des sciences et des technologies | 0,000 | 0,000 |
| Communication savante | 0,000 | 0,000 |
| Science ouverte | 0,000 | 0,000 |
| Intégrité de la recherche | 0,000 | 0,000 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,001 | 0,000 |
Scores machine (provisoires)
Les deux têtes enseignantes du modèle étudiant, lues sur ce travail. Un score ordonne la base pour la relecture; il n'affirme jamais une catégorie, et le statut de validation accompagne chaque rangée tel quel.
Scores de référence d'un modèle non mature (critères de maturité non atteints, 7 itérations). Un score ordonne; il n'affirme jamais une catégorie.
score_only:v0-immature-baseline · tel quel depuis la passe de notation : score_only signifie que le nombre peut ordonner les travaux, et qu'aucune étiquette de catégorie n'en découleClassification
machine, non validéePrédiction automatique; un appel candidat d’une seule source (Gemma direct ou Codex distillé), pas un consensus.
Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».